R parsnip linear_reg 線性回歸

linear_reg() 定義了一個可以使用線性函數從預測變量預測數值的模型。該函數可以擬合回歸模型。

擬合該模型的方法有多種，通過設置模型引擎來選擇估計方法。下麵列出了該模型的引擎特定頁麵。

• lm¹

• brulee

• gee²

• glm

• glmer²

• glmnet

• gls²

• h2o²

• keras

• lme²

• lmer²

• spark

• stan

• stan_glmer²

有關如何操作的更多信息防風草用於建模的是https://www.tidymodels.org/.

用法

linear_reg(mode = "regression", engine = "lm", penalty = NULL, mixture = NULL)

參數

mode

模型類型的單個字符串。該模型唯一可能的值為"regression"。

engine

指定用於擬合的計算引擎的單個字符串。下麵列出了可能的引擎。此模型的默認值是 "lm" 。

penalty

表示正則化總量的非負數(僅限特定引擎)。

mixture

0 到 1(含)之間的數字，表示模型中 L1 正則化(即 lasso)的比例。

• mixture = 1指定純套索模型，

• mixture = 0 指定嶺回歸模型，並且

• 0 < mixture < 1 指定彈性網絡模型，插值套索和嶺。

僅適用於特定發動機。

細節

此函數僅定義正在擬合的模型類型。一旦指定了引擎，也就定義了擬合模型的方法。有關設置引擎的更多信息，包括如何設置引擎參數，請參閱set_engine()。

在 fit() 函數與數據一起使用之前，模型不會經過訓練或擬合。

此函數中除 mode 和 engine 之外的每個參數都被捕獲為 quosures 。要以編程方式傳遞值，請使用injection operator，如下所示：

value <- 1
linear_reg(argument = !!value)

參考

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

例子

show_engines("linear_reg")
#> # A tibble: 7 × 2
#>   engine mode      
#>   <chr>  <chr>     
#> 1 lm     regression
#> 2 glm    regression
#> 3 glmnet regression
#> 4 stan   regression
#> 5 spark  regression
#> 6 keras  regression
#> 7 brulee regression

linear_reg()
#> Linear Regression Model Specification (regression)
#> 
#> Computational engine: lm 
#>